کتاب بهینه‌سازی اجرای MCMC در Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی اجرای MCMC در Stan

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر بهینه‌سازی MCMC در Stan
  • 2. بررسی اجمالی Stan و MCMC
  • 3. شناسایی تنگناها در اجرای MCMC
  • 4. معرفی ابزارهای پروفایلینگ Stan
  • 5. درک گزارش‌های تشخیصی Stan
  • 6. تاثیر پارامترهای اولیه بر همگرایی
  • 7. انتخاب توزیع‌های اولیه مناسب
  • 8. استراتژی‌های تطبیق توزیع اولیه
  • 9. تنظیم پارامتر `stepsize`
  • 10. تنظیم پارامتر `target_accept`
  • 11. درک و تنظیم `max_treedepth`
  • 12. استفاده از `adapt_delta` برای بهبود همگرایی
  • 13. بهینه‌سازی با استفاده از `hmc` در مقابل `NUTS`
  • 14. مقایسه و انتخاب الگوریتم‌های نمونه‌گیری
  • 15. تنظیم پارامترهای الگوریتم `NUTS`
  • 16. استفاده از نمونه‌گیری چندگانه (Multi-chain)
  • 17. ارزیابی همگرایی با استفاده از R-hat
  • 18. تشخیص و رفع مشکل خودهمبستگی
  • 19. استفاده از پیش‌بینیاری (Prior Predictive Checks)
  • 20. تغییر مدل برای بهبود کارایی MCMC
  • 21. بازنویسی مدل Stan برای سرعت بیشتر
  • 22. استفاده از توابع داخلی Stan
  • 23. بهینه‌سازی محاسبات ماتریسی در Stan
  • 24. بهینه‌سازی محاسبات برداری در Stan
  • 25. استفاده از توابع کمکی (Helper Functions)
  • 26. استفاده از `transform` blocks در Stan
  • 27. تکنیک‌های کاهش واریانس نمونه
  • 28. استفاده از نمونه‌گیری لایه‌ای (Layered Sampling)
  • 29. بررسی اثرات پارامترهای نمونه‌گیری جزئی
  • 30. تنظیم پارامترهای نمونه‌گیری برای مدل‌های پیچیده
  • 31. بهینه‌سازی برای مدل‌های سلسله‌مراتبی
  • 32. بهینه‌سازی برای مدل‌های با ابعاد بالا
  • 33. استفاده از Stan برای داده‌های بزرگ
  • 34. استفاده از Stan و GPU
  • 35. مقایسه عملکرد Stan با سایر ابزارهای MCMC
  • 36. عیب‌یابی مشکلات رایج MCMC در Stan
  • 37. بهینه‌سازی حافظه در Stan
  • 38. استفاده از Stan با داده‌های از دست رفته
  • 39. بهینه‌سازی مدل‌های غیرخطی در Stan
  • 40. تنظیم پارامترها برای مدل‌های پویا
  • 41. بهینه‌سازی مدل‌های بقا با Stan
  • 42. بهینه‌سازی مدل‌های مبتنی بر زمان با Stan
  • 43. استفاده از Stan برای تحلیل سری‌های زمانی
  • 44. بهینه‌سازی مدل‌های بیزی با Stan و داده‌های نامتعادل
  • 45. بررسی اثرات مقیاس‌بندی متغیرها
  • 46. تکنیک‌های بهینه‌سازی برای مدل‌های با پارامترهای همبسته
  • 47. استفاده از Stan برای مدل‌سازی Bayesian Nonparametrics
  • 48. تنظیم پارامترهای MCMC برای مدل‌های Bayesian Nonparametrics
  • 49. بهینه‌سازی مدل‌های چندسطحی با Stan
  • 50. بررسی اثرات توزیع‌های پیشین غیرآگاهانه
  • 51. تکنیک‌های بهینه‌سازی برای مدل‌های پیچیده بیزی
تگ‌ها: Bayesian modeling Bayesian statistics HMC MCMC MCMC algorithms NUTS Profiling Stan R-hat Stan Stan optimization Stan performance آمار بیزی بهینه‌سازی نمونه‌گیری مونت‌کارلو

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.